[發(fā)明專利]一種基于分層結(jié)構(gòu)的圖像檢索方法

有效

• 申請?zhí)枺?/td>: 201310505213.5
• 申請日: 2013-10-23
• 公開（公告）號: CN103530405A
• 公開（公告）日: 2014-01-22
• 發(fā)明（設(shè)計）人: 韋星星;韓亞洪;操曉春
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 程毓英

1.一種基于分層結(jié)構(gòu)的圖像檢索方法,包括下列步驟：

第一步，獲取進行訓(xùn)練的圖像，并對圖像中每個物體構(gòu)造3層樹狀結(jié)構(gòu)標簽，形成訓(xùn)練集：

(1)獲取進行訓(xùn)練的圖像，構(gòu)建圖像集合IMG；

(2)使用圖像分割算法分割出集合IMG中每幅圖像中所包含的物體，構(gòu)成物體集合OBJ；

(3)對集合OBJ中的每個物體進行標注，標注的內(nèi)容包括物體所屬的類，子類以及具有的屬性，形成類集合CLASS，子類集合SUBCLASS以及屬性集合ATTRIBUTE；

(4)根據(jù)標注信息對集合OBJ中的每個物體構(gòu)造包括類-子類-屬性3層樹狀結(jié)構(gòu)標簽，形成與OBJ相對應(yīng)的標簽集合Y，兩個集合的元素一一對應(yīng)；

(5)類集合CLASS中有很多相同的元素，順序掃描CLASS中的每個元素，相同的元素只保留一個，形成候選的類集合Cla，對其子類集合SUBCLASS和屬性集合ATTRIBUTE做相同的掃描，得到候選的子類集合Subcl和候選的屬性集合Attri；

(6)構(gòu)造包括：物體集合OBJ，標簽集合Y，候選的類集合Cla，候選的子類集合Subcl以及候選的屬性集合Attri的訓(xùn)練集Tr。

第二步，提取訓(xùn)練集中圖像每個物體的低層特征，訓(xùn)練得到所有候選的類，子類以及屬性相對應(yīng)的分類器，形成下一步建模所需要的中間數(shù)據(jù)的步驟如下：

(1)提取物體集合OBJ中每個物體的局部二值模式特征（LBP）特征，構(gòu)造特征集合X；

(2)根據(jù)特征集合X和類集合CLASS，訓(xùn)練得到集合Cla中每個元素w_i的SVM分類器SVM_w_i，構(gòu)成與類相對應(yīng)的分類器集合S_w，同理，根據(jù)特征集合X和子類集合SUBCLASS，訓(xùn)練得到子類集合Subcl中每個元素v_j的SVM分類器SVM_v_j，構(gòu)成與子類相對應(yīng)的分類器集合S_v，根據(jù)特征集合X和屬性集合ATTRIBUTE，訓(xùn)練得到集合Attri中每個元素u_k的SVM分類器SVM_u_k，構(gòu)成與屬性相對應(yīng)的分類器集合S_u；

(3)在訓(xùn)練集Tr上計算分類器集合S_u中每個分類器SVM_u_k的查準率和查全率曲線(PR曲線)，根據(jù)該PR曲線得到分類器SVM_u_k的閾值thre_k，構(gòu)成與S_u對應(yīng)的閾值集合Threshold；

(4)在訓(xùn)練集Tr上統(tǒng)計候選的類集合Cla中的每一個元素w_i和候選的子類集合Subcl中每一個元素v_j的共現(xiàn)概率p_ij，即標簽集合Y中同時具有w_i和v_i的物體數(shù)量占OBJ中總物體數(shù)N_m的比例；在訓(xùn)練集Tr上統(tǒng)計候選的子類集合Subcl中每一個元素v_i和候選的屬性集合Attri中每一個元素u_k的共現(xiàn)概率g_jk，即集合Y中同時具有u_k和v_i的物體數(shù)量占OBJ中總物體數(shù)N_m的比例，此外，在訓(xùn)練集Tr上統(tǒng)計含有候選的子類集合Subcl中元素v_i但不含有候選的屬性集合中元素u_k的概率q_jk，即集合Y中具有v_i但沒有u_k的物體數(shù)量占OBJ中總物體數(shù)N_m的比例；

(5)構(gòu)造包含：分類器集合S_w，S_v，S_u，閾值集合Threshold，概率統(tǒng)計數(shù)據(jù)p_ij，g_jk，q_jk的中間數(shù)據(jù)，以備下一步建模使用。

第三步，構(gòu)造條件隨機場模型(CRF)，訓(xùn)練得到模型參數(shù)；

第四步，對于待描述圖像，首先進行圖像分割，分割出待描述圖像中包含的物體，再按照前述的第二步的方法，提取待描述圖像中每個物體的低層特征；之后，利用第三步構(gòu)造的條件隨機場模型(CRF)及訓(xùn)練得到模型參數(shù)，采用使用最大積信念傳播算法，對待描述圖像中每個物體的3層樹狀結(jié)構(gòu)標簽進行預(yù)測；

第五步，使用資源描述框架（RDF）對圖像進行描述，建立相應(yīng)的圖像檢索系統(tǒng)。